論文の概要: cecilia: A Machine Learning-Based Pipeline for Measuring Metal Abundances of Helium-rich Polluted White Dwarfs

• arxiv url: http://arxiv.org/abs/2402.05176v1
• Date: Wed, 7 Feb 2024 19:00:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-09 17:47:48.258442
• Title: cecilia: A Machine Learning-Based Pipeline for Measuring Metal Abundances of Helium-rich Polluted White Dwarfs
• Title（参考訳）: cecilia: ヘリウムに富んだ汚染されたホワイトドワーフの金属量を測定するための機械学習ベースのパイプライン
• Authors: M. Badenas-Agusti, J. Via\~na, A. Vanderburg, S. Blouin, P. Dufour, S. Xu, L. Sha
• Abstract要約: Ceciliaは、中間温度の白色小星の金属量を測定するために設計された、機械学習を利用した初めてのスペクトルモデリングコードである。 Ceciliaは最先端の大気モデル、強力な人工知能ツール、堅牢な統計技術を組み合わせている。 セシリアのパフォーマンスは、太陽系外地球化学の大規模な研究を解き放つ可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Over the past several decades, conventional spectral analysis techniques of polluted white dwarfs have become powerful tools to learn about the geology and chemistry of extrasolar bodies. Despite their proven capabilities and extensive legacy of scientific discoveries, these techniques are however still limited by their manual, time-intensive, and iterative nature. As a result, they are susceptible to human errors and are difficult to scale up to population-wide studies of metal pollution. This paper seeks to address this problem by presenting cecilia, the first Machine Learning (ML)-powered spectral modeling code designed to measure the metal abundances of intermediate-temperature (10,000$\leq T_{\rm eff} \leq$20,000 K), Helium-rich polluted white dwarfs. Trained with more than 22,000 randomly drawn atmosphere models and stellar parameters, our pipeline aims to overcome the limitations of classical methods by replacing the generation of synthetic spectra from computationally expensive codes and uniformly spaced model grids, with a fast, automated, and efficient neural-network-based interpolator. More specifically, cecilia combines state-of-the-art atmosphere models, powerful artificial intelligence tools, and robust statistical techniques to rapidly generate synthetic spectra of polluted white dwarfs in high-dimensional space, and enable accurate ($\lesssim$0.1 dex) and simultaneous measurements of 14 stellar parameters -- including 11 elemental abundances -- from real spectroscopic observations. As massively multiplexed astronomical surveys begin scientific operations, cecilia's performance has the potential to unlock large-scale studies of extrasolar geochemistry and propel the field of white dwarf science into the era of Big Data. In doing so, we aspire to uncover new statistical insights that were previously impractical with traditional white dwarf characterisation techniques.
• Abstract（参考訳）: 過去数十年にわたり、汚染されたホワイトドワーフの従来のスペクトル分析技術は、太陽系外天体の地質と化学を学ぶための強力なツールとなっている。 証明された能力と科学的発見の広範な遺産にもかかわらず、これらの技術は依然として手動、時間集約、反復的な性質によって制限されている。 結果として、それらはヒューマンエラーの影響を受けやすく、人口規模での金属汚染の研究のためにスケールアップが困難である。 本論文は, 中間温度 (10,000$\leq t_{\rm eff} \leq$20,000 k) の金属量を測定するために設計された最初の機械学習(ml)によるスペクトルモデリングコードceciliaを提示することで, この問題に対処しようとするものである。 22,000以上のランダムに描画された大気モデルと恒星パラメータで訓練されたパイプラインは、計算コストの高いコードと一様間隔のモデルグリッドから合成スペクトルの生成を高速で自動化され、効率的なニューラルネットワークベースの補間器に置き換えることで、古典的手法の限界を克服することを目的としています。 より具体的には、ceciliaは最先端の大気モデル、強力な人工知能ツール、ロバストな統計技術を組み合わせて、高次元空間で汚染された白色小星の合成スペクトルを迅速に生成し、正確な(\lesssim$0.1 dex)と、11の元素存在量を含む14の恒星パラメータの同時測定を可能にする。 大規模多重天文調査が科学的な活動を開始するにつれて、セシリアのパフォーマンスは、太陽系外地球化学の大規模研究を解き放ち、ホワイトドワーフ科学の分野をビッグデータの時代へと推進する可能性を秘めている。 そのために私たちは、従来のホワイトドワーフのキャラクタリゼーション技術では非現実的だった、新しい統計的な洞察を解明したいと考えています。

関連論文リスト

• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
  近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。 本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
  論文  参考訳（メタデータ） (2024-07-12T18:00:02Z)
• Machine Learning for Exoplanet Detection in High-Contrast Spectroscopy: Revealing Exoplanets by Leveraging Hidden Molecular Signatures in Cross-Correlated Spectra with Convolutional Neural Networks [0.0]
  分光の相互相関は、惑星のスペクトルを主星から分離するために分子テンプレートを用いる。 我々は、相互相関分光(MLCCS)のための機械学習を導入する。 この手法は、大気中の特定の分子の存在など、外惑星の特徴付けに関する弱い仮定を活用し、外惑星の検出感度を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-05-22T09:25:58Z)
• SPT: Spectral Transformer for Red Giant Stars Age and Mass Estimation [10.222849465628174]
  我々は、赤巨星の年齢と質量をスペクトルから推定する新しい枠組みであるスペクトル変換器を開発した。 LAMOSTの3,880個の赤色巨星のスペクトルで訓練され、SPTは17.64%と6.61%の誤差で驚くべき年齢と質量推定を達成した。
  論文  参考訳（メタデータ） (2024-01-10T03:03:12Z)
• Searching for Novel Chemistry in Exoplanetary Atmospheres using Machine Learning for Anomaly Detection [1.8434042562191815]
  我々は、異常検出のための機械学習(ML)技術の太陽系外惑星トランジットスペクトルへの応用を提唱する。 合成スペクトルの大規模公開データベース上での2つの一般的な異常検出手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-08-15T07:19:54Z)
• Machine learning methods for the search for L&T brown dwarfs in the data of modern sky surveys [67.17190225886465]
  ブラウン・ドワーフ(BD)は、銀河の全ての天体の25%を占めるべきである。 その弱さのため、ブラウン・ドワーフのスペクトル研究は比較的困難である。 多くの試みが、その色を決定規則として使用して茶色の小星を探索し、生成する試みがなされている。
  論文  参考訳（メタデータ） (2023-08-06T08:14:35Z)
• Applications of Gaussian Processes at Extreme Lengthscales: From Molecules to Black Holes [4.18804572788063]
  この論文は、ケイファート銀河のマカリアン335からの潜伏放出のサインを推論するためにGPモデリングを使用することを目的としている。 第2の貢献はGPフレームワークを分子および化学反応表現に拡張し、このフレームワークを科学者が使えるようにするためのオープンソースソフトウェアライブラリを提供することである。 第4の貢献は、アレタリック不確実性をモデル化し、本質的なロバスト性を有する材料成分の大規模製造プロセスへの同定を容易にするベイズ最適化スキームの導入である。
  論文  参考訳（メタデータ） (2023-03-24T22:20:14Z)
• Self-Supervised Learning for Modeling Gamma-ray Variability in Blazars [0.0]
  ブラザーは活動的な銀河核であり、相対論的ジェットは地球に直接向けられている。 深層学習は、ガンマ線ブレザーの複雑な変動パターンの構造を明らかにするのに役立つ。
  論文  参考訳（メタデータ） (2023-02-15T14:57:46Z)
• ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
  本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。 合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
  論文  参考訳（メタデータ） (2023-02-09T20:19:57Z)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• Probing chiral edge dynamics and bulk topology of a synthetic Hall system [52.77024349608834]
  量子ホール系は、基礎となる量子状態の位相構造に根ざしたバルク特性であるホール伝導の量子化によって特徴づけられる。 ここでは, 超低温のジスプロシウム原子を用いた量子ホール系を, 空間次元の2次元形状で実現した。 磁気サブレベルが多数存在すると、バルクおよびエッジの挙動が異なることが示される。
  論文  参考訳（メタデータ） (2020-01-06T16:59:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。